常用排序演算法總結(2)-- 非比較排序演算法
上一篇總結了常用的比較排序演算法,主要有氣泡排序,選擇排序,插入排序,歸併排序,堆排序,快速排序等。
這篇文章中我們來探討一下常用的非比較排序演算法:計數排序,基數排序,桶排序。在一定條件下,它們的時間複雜度可以達到O(n)。
這裡我們用到的唯一資料結構就是陣列,當然我們也可以利用連結串列來實現下述演算法。
需要三個陣列:待排序陣列 int[] arr = new int[]{1,4,3,4,3};
輔助計數陣列 int[] help = new int[max - min + 1]; //該陣列大小為待排序陣列中的最大值減最小值+1
輸出陣列 int[] res = new int[arr.length];
1.求出待排序陣列的最大值max=4, 最小值min=1
2.例項化輔助計數陣列help,help陣列中每個下標對應arr中的一個元素, help用來記錄每個元素出現的次數
3.計算 arr 中每個元素在help中的位置 position = arr[i] - min,此時 help = [1,0,2,2]; (4出現了兩次,2未出現)
4.根據 help 陣列求得排序後的陣列,此時 res = [1,3,3,4,4]
下圖給出了對{ 4, 1, 3, 4, 3 }進行計數排序的簡單演示過程/** * 分類 ------------ 內部非比較排序 * 資料結構 --------- 陣列 * 最差時間複雜度 ---- O(n + k) * 最優時間複雜度 ---- O(n + k) * 平均時間複雜度 ---- O(n + k) * 所需輔助空間 ------ O(n + k) * 穩定性 ----------- 穩定 */ public static int[] countSort(int[] arr){ if (arr == null || arr.length == 0) { return null; } int max = Integer.MIN_VALUE; int min = Integer.MAX_VALUE; //找出陣列中的最大最小值 for(int i = 0; i < arr.length; i++){ max = Math.max(max, arr[i]); min = Math.min(min, arr[i]); } int help[] = new int[max]; //找出每個數字出現的次數 for(int i = 0; i < arr.length; i++){ int mapPos = arr[i] - min; help[mapPos]++; } int index = 0; for(int i = 0; i < help.length; i++){ while(help[i]-- > 0){ arr[index++] = i+min; } } return arr; }
計數排序的時間複雜度和空間複雜度與陣列A的資料範圍(A中元素的最大值與最小值的差加上1)有關,因此對於資料範圍很大的陣列,計數排序需要大量時間和記憶體。
例如:對0到99之間的數字進行排序,計數排序是最好的演算法,然而計數排序並不適合按字母順序排序人名,將計數排序用在基數排序演算法中,能夠更有效的排序資料範圍很大的陣列。
基數排序(Radix Sort)
基數排序的發明可以追溯到1887年赫爾曼·何樂禮在打孔卡片製表機上的貢獻。它是這樣實現的:將所有待比較正整數統一為同樣的數位長度,數位較短的數前面補零。然後,從最低位開始進行基數為10的計數排序,一直到最高位計數排序完後,數列就變成一個有序序列(利用了計數排序的穩定性)。
基數排序的實現程式碼如下:
/**
* 分類 ------------- 內部非比較排序
* 資料結構 ---------- 陣列
* 最差時間複雜度 ---- O(n * dn)
* 最優時間複雜度 ---- O(n * dn)
* 平均時間複雜度 ---- O(n * dn)
* 所需輔助空間 ------ O(n * dn)
* 穩定性 ----------- 穩定
*/
public static void radixSort(int[] data, int radix, int d) {
// 快取陣列
int[] tmp = new int[data.length];
// buckets用於記錄待排序元素的資訊
// buckets陣列定義了max-min個桶
int[] buckets = new int[radix];
for (int i = 0, rate = 1; i < d; i++) {
// 重置count陣列,開始統計下一個關鍵字
Arrays.fill(buckets, 0);
// 將data中的元素完全複製到tmp陣列中
System.arraycopy(data, 0, tmp, 0, data.length);
// 計算每個待排序資料的子關鍵字
for (int j = 0; j < data.length; j++) {
int subKey = (tmp[j] / rate) % radix;
buckets[subKey]++;
}
for (int j = 1; j < radix; j++) {
buckets[j] = buckets[j] + buckets[j - 1];
}
// 按子關鍵字對指定的資料進行排序
for (int m = data.length - 1; m >= 0; m--) {
int subKey = (tmp[m] / rate) % radix;
data[--buckets[subKey]] = tmp[m];
}
rate *= radix;
}
}
下圖給出了對{ 329, 457, 657, 839, 436, 720, 355 }進行基數排序的簡單演示過程
基數排序的時間複雜度是O(n * dn),其中n是待排序元素個數,dn是數字位數。這個時間複雜度不一定優於O(n log n),dn的大小取決於數字位的選擇(比如位元位數),和待排序資料所屬資料型別的全集的大小;dn決定了進行多少輪處理,而n是每輪處理的運算元目。
如果考慮和比較排序進行對照,基數排序的形式複雜度雖然不一定更小,但由於不進行比較,因此其基本操作的代價較小,而且如果適當的選擇基數,dn一般不大於log n,所以基數排序一般要快過基於比較的排序,比如快速排序。由於整數也可以表達字串(比如名字或日期)和特定格式的浮點數,所以基數排序並不是只能用於整數排序。
桶排序(Bucket Sort)
桶排序也叫箱排序。工作的原理是將陣列元素對映到有限數量個桶裡,利用計數排序可以定位桶的邊界,每個桶再各自進行桶內排序(使用其它排序演算法或以遞迴方式繼續使用桶排序)。
桶排序的實現程式碼如下:
/**
* 分類 ------------- 內部非比較排序
* 資料結構 --------- 陣列
* 最差時間複雜度 ---- O(nlogn)或O(n^2),只有一個桶,取決於桶內排序方式
* 最優時間複雜度 ---- O(n),每個元素佔一個桶
* 平均時間複雜度 ---- O(n),保證各個桶內元素個數均勻即可
* 所需輔助空間 ------ O(n + bn)
* 穩定性 ----------- 穩定
*/
public static void bucketSort(int[] arr){
int max = Integer.MIN_VALUE;
int min = Integer.MAX_VALUE;
for(int i = 0; i < arr.length; i++){
max = Math.max(max, arr[i]);
min = Math.min(min, arr[i]);
}
//桶數
int bucketNum = (max - min) / arr.length + 1;
ArrayList<ArrayList<Integer>> bucketArr = new ArrayList<>(bucketNum);
for(int i = 0; i < bucketNum; i++){
bucketArr.add(new ArrayList<Integer>());
}
//將每個元素放入桶
for(int i = 0; i < arr.length; i++){
int num = (arr[i] - min) / (arr.length);
bucketArr.get(num).add(arr[i]);
}
//對每個桶進行排序
for(int i = 0; i < bucketArr.size(); i++){
Collections.sort(bucketArr.get(i));
}
System.out.println(bucketArr.toString());
}
下圖給出了對{ 29, 25, 3, 49, 9, 37, 21, 43 }進行桶排序的簡單演示過程
桶排序不是比較排序,不受到O(nlogn)下限的影響,它是鴿巢排序的一種歸納結果,當所要排序的陣列值分散均勻的時候,桶排序擁有線性的時間複雜度。
Refrence:
https://blog.csdn.net/apei830/article/details/6596104
https://mp.weixin.qq.com/s/kZmhNZqXxxyv1zEPuF77Ig